論文の概要: DeepGen: Diverse Search Ad Generation and Real-Time Customization

• arxiv url: http://arxiv.org/abs/2208.03438v1
• Date: Sat, 6 Aug 2022 03:48:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:02:36.697644
• Title: DeepGen: Diverse Search Ad Generation and Real-Time Customization
• Title（参考訳）: DeepGen: 異種検索広告生成とリアルタイムカスタマイズ
• Authors: Konstantin Golobokov, Junyi Chai, Victor Ye Dong, Mandy Gu, Bingyu Chi, Jie Cao, Yulan Yan, Yi Liu
• Abstract要約: DeepGenはWebスケールでデプロイされたシステムで、BingAdsの顧客にスポンサード検索広告(ad)を自動的に作成する。 我々は、最先端自然言語生成(NLG)モデルを利用して、広告主のWebページから、抽象的な方法で、流動的な広告を生成する。 本システムは,ユーザの検索クエリに応答して,リアルタイムにカスタマイズされた広告を生成する。
• 参考スコア（独自算出の注目度）: 7.115740082989691
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DeepGen, a system deployed at web scale for automatically creating sponsored search advertisements (ads) for BingAds customers. We leverage state-of-the-art natural language generation (NLG) models to generate fluent ads from advertiser's web pages in an abstractive fashion and solve practical issues such as factuality and inference speed. In addition, our system creates a customized ad in real-time in response to the user's search query, therefore highlighting different aspects of the same product based on what the user is looking for. To achieve this, our system generates a diverse choice of smaller pieces of the ad ahead of time and, at query time, selects the most relevant ones to be stitched into a complete ad. We improve generation diversity by training a controllable NLG model to generate multiple ads for the same web page highlighting different selling points. Our system design further improves diversity horizontally by first running an ensemble of generation models trained with different objectives and then using a diversity sampling algorithm to pick a diverse subset of generation results for online selection. Experimental results show the effectiveness of our proposed system design. Our system is currently deployed in production, serving ${\sim}4\%$ of global ads served in Bing.
• Abstract（参考訳）: 我々は、BingAdsの顧客向けにスポンサー付き検索広告(ads)を自動的に作成するWebスケールのシステムであるDeepGenを紹介する。 我々は、最先端の自然言語生成(NLG)モデルを利用して、広告主のWebページから流動的な広告を抽象的に生成し、事実性や推論速度などの実用的な問題を解決する。 さらに,ユーザの検索クエリに応答してカスタマイズされた広告をリアルタイムに生成し,ユーザが求めているものに基づいて,同製品のさまざまな側面を強調表示する。 これを実現するために,本システムでは,先行してより小さな広告を多種多様な選択で選択し,クエリ時に最も関連性の高い広告を完全広告に縫い付ける。 我々は、制御可能なNLGモデルをトレーニングし、異なる販売ポイントをハイライトする同じWebページの複数の広告を生成することにより、生成の多様性を向上させる。 システム設計は、まず異なる目的で訓練された生成モデルのアンサンブルを実行し、次に多様性サンプリングアルゴリズムを用いて、オンライン選択のための生成結果の多様なサブセットを選択することにより、水平方向に多様性を向上する。 実験の結果,提案するシステム設計の有効性が示された。 当社のシステムは、現在本番環境で運用されており、bingで提供されているグローバル広告の${\sim}4\%を提供しています。

関連論文リスト

• Has My System Prompt Been Used? Large Language Model Prompt Membership Inference [56.20586932251531]
  Prompt Detectiveは,システムプロンプトがサードパーティの言語モデルによって使用されているかどうかを確実に判断する統計手法である。 我々の研究は、システムの小さな変更でさえ、異なる応答分布に現れ、統計的に意味のある迅速な使用を検証できることを明らかにした。
  論文  参考訳（メタデータ） (2025-02-14T08:00:42Z)
• CTR-Driven Advertising Image Generation with Multimodal Large Language Models [53.40005544344148]
  本稿では,Click-Through Rate (CTR) を主目的とし,マルチモーダル大言語モデル(MLLM)を用いた広告画像の生成について検討する。 生成した画像のCTRをさらに改善するため、強化学習(RL)を通して事前学習したMLLMを微調整する新たな報酬モデルを提案する。 本手法は,オンラインとオフラインの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-02-05T09:06:02Z)
• DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
  マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。 提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。 様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
  論文  参考訳（メタデータ） (2024-01-02T07:40:12Z)
• GEO: Generative Engine Optimization [50.45232692363787]
  我々は、生成エンジン(GE)の統一的な枠組みを定式化する。 GEは大規模な言語モデル(LLM)を使用して情報を収集し、ユーザクエリに応答する。 生成エンジンは通常、複数のソースから情報を合成し、それらを要約することでクエリを満足する。 我々は、生成エンジン応答におけるコンテンツの可視性向上を支援するために、コンテンツ作成者を支援する最初の新しいパラダイムである生成エンジン最適化(GEO)を紹介する。
  論文  参考訳（メタデータ） (2023-11-16T10:06:09Z)
• Towards Fairness in Personalized Ads Using Impression Variance Aware Reinforcement Learning [9.246089899723744]
  Metaの広告システムにおいて、より公平な結果を達成するための可変還元システム(VRS)。 まず、広告印象のばらつきの観点から、公平さのギャップを定量化する指標を定義した。 次に、インプレッションのばらつきを意識した方法で広告をランク付けするためのVRSを示す。
  論文  参考訳（メタデータ） (2023-06-05T22:38:21Z)
• Representation Online Matters: Practical End-to-End Diversification in Search and Recommender Systems [8.296711988456762]
  本稿では,検索結果とレコメンデーションの表現を改善するために,エンドツーエンドの多様化を導入する。 Pinterestプラットフォーム上でスケーラブルな多様化メカニズムを開発し、実験し、展開します。 当社のアプローチは,ユーティリティメトリクスに対する肯定的な影響とユーザ満足度の向上を伴って,多様性指標を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-05-24T19:43:26Z)
• Deep Learning Based Page Creation for Improving E-Commerce Organic Search Traffic [16.04232795109499]
  本稿ではトランスフォーマー言語モデルに基づく有機チャネルページ管理システムを提案する。 本システムでは,数百万の新たなランディングページの生成と展開プロセスの処理に成功している。
  論文  参考訳（メタデータ） (2022-09-22T05:36:44Z)
• A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
  リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。 本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
  論文  参考訳（メタデータ） (2020-10-22T18:36:41Z)
• Learning to Create Better Ads: Generation and Ranking Approaches for Ad Creative Refinement [26.70647666598025]
  i)新しい広告テキストを生成すること、(ii)新しい広告テキストにキーフレーズを推奨すること、(iii)画像タグ(画像中のオブジェクト)を推奨すること。 複数の広告主が実施したA/Bテストに基づいて、劣悪な広告クリエイティブと優良な広告クリエイティブのペアワイズな例を作成します。 また、Yahoo Geminiの広告プラットフォームからのデータを使って、実験から広く適用可能な洞察を共有しています。
  論文  参考訳（メタデータ） (2020-08-17T16:46:28Z)
• Online Joint Bid/Daily Budget Optimization of Internet Advertising Campaigns [115.96295568115251]
  複数のチャンネルにまたがるペイ・パー・クリック広告キャンペーンのオンライン共同入札/日次予算最適化の自動化問題について検討する。 どのキャンペーンでも、Gaussian Processesによる入札のクリック数と日々の予算に依存しています。 我々は4つのアルゴリズムを設計し、O(sqrtT)として高い確率で上界した後悔に苦しむことを示す。 我々は,1年以上に1日平均1000ユーロを消費した実世界のアプリケーションにおいて,我々のアルゴリズムの採用結果を提示する。
  論文  参考訳（メタデータ） (2020-03-03T11:07:38Z)
• Recommending Themes for Ad Creative Design via Visual-Linguistic Representations [27.13752835161338]
  広告クリエイティブストラテジストのためのテーマ(キーワード)推薦システムを提案する。 テーマレコメンデータは、視覚的質問応答(VQA)タスクの結果の集約に基づく。 クロスモーダル表現は分類精度とランク付け精度を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2020-01-20T18:04:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。